Промышленные АСУ и контроллеры Аннотация к статье << Назад Выделение информативного сигнала из нестационарных сильнозашумленных сейсмических данных с использованием нейросетевых классификаторов ГРАВИРОВ В.В. КИСЛОВ К.В. ВИНБЕРГ Ф.Э. Статья посвящена передовой методике выделения полезного сейсмического сигнала из сильнозашумленного исходного входного сигнала. Для этого предлагается использовать современную компьютерную технологию, основанную на вейвлет-анализе эмпирических данных. Основной целью данной системы обработки эмпирических данных является нахождение оптимальной аппроксимирующей зависимости между входными измеряемыми характеристиками и выходными требуемыми данными. Применение вейвлет-разложения сигнала позволяет выявить его особенности, несущие информацию об исследуемом объекте. В результате появляется возможность анализировать свойства сигнала одновременно во временном и частотном пространствах. Типовой метод подавления шумов – удаление высокочастотных составляющих из спектра сигнала. Применительно к вейвлетным разложениям это может быть реализовано непосредственно удалением детализирующих коэффициентов высокочастотных уровней. Но вейвлеты и нейросетевые классификаторы имеют в этом отношении более широкие возможности. Шумовые компоненты, и особенно большие случайные выбросы значений сигналов, можно также рассматривать в виде множеств локальных особенностей сигналов. Задавая некоторый порог для их уровня и, срезая по нему детализирующие коэффициенты, можно не только уменьшать уровень шумов, но и устанавливать пороговые ограничения на нескольких уровнях разложения с учетом конкретных характеристик шумов и сигналов для различных типов вейвлетов. Это позволяет создавать адаптивные системы очистки сигналов от шумов. Ключевые слова: землетрясения, сейсмические данные, вейвлет-преобразование, нейросетевой классификатор. Контактная информация: e-mail: gravirov@rambler.ru Стр. 55-59.